让我们先做一个思想实验。想象你站在一座巨大建筑物的门口。有人告诉你这座建筑里有整个宇宙的奥秘——从自动驾驶汽车怎么认出红绿灯到你手机里的语音助手为什么听懂了你的方言所有答案都在里面。你推开门发现里面是一条望不到头的走廊走廊两侧是密密麻麻的房间每个房间的门上都刻着一个名字微积分、线性代数、概率论、深度学习、自然语言处理……你站在门口手里没有地图。这就是很多人面对“人工智能”这四个字时的真实感受。他们听说过ChatGPT能写诗知道自动驾驶汽车在街上跑隐约觉得这些事情跟“数学”和“代码”有关但不知道该从哪里开始理解。打开一篇科普文章满眼是“神经网络”“反向传播”“注意力机制”——每个词都认识放在一起就变成了天书。这个系列就是写给站在门口的你。我们的目标很朴素从零开始一步一步走直到你能真正理解那些听起来吓人的东西到底在说什么。不需要你懂编程不需要你记得微积分公式甚至不需要你对数学有什么好感——只需要你保持好奇并且愿意跟着我慢慢走。但这趟旅程有一个前提。在出发之前我得先回答一个你可能已经在想的问题为什么我们要从“函数”讲起函数不是高中就学过的老掉牙的东西吗它跟人工智能有什么关系有关系而且关系大得很。让我用一个比喻来解释。想象你在学一门新语言——比如法语。如果你一开始就扑进《追忆似水年华》的法文原版你大概翻三页就放弃了。但如果你先学会“你好”“谢谢”“面包”这些最基本的词然后慢慢积累句子、语法、时态总有一天你能读懂普鲁斯特。人工智能的原理就是那本《追忆似水年华》。而函数就是那个“你好”。整个AI在做的事情用一句话就能说清楚它在找一个函数。一个能把输入变成正确输出的函数。给你一张猫的照片输入它要输出“猫”正确的输出。给你一句中文输入它要输出一句意思准确的英文正确的输出。给你一段关于癌症的描述输入它要输出一个诊断建议正确的输出。所有那些听起来高深的东西——神经网络、深度学习、Transformer——它们本质上都是在做同一件事用一个极其复杂的机器去逼近一个极其复杂的函数。所以如果我们连“函数是什么”都没搞清楚后面的一切都是空中楼阁。这个系列的第一块砖必须是函数。从函数出发我们慢慢搭出向量、矩阵、导数、梯度——每一块新砖都稳稳地放在前一块上面。等我们搭到深度学习的时候你会发现那些曾经吓到你的词其实不过是几块旧砖换了个新名字。那这个系列具体要走多远呢我们从头走。从1950年图灵问出“机器能思考吗”那个问题开始。然后到达特茅斯学院——1956年夏天一群年轻人聚在那里给这个领域起了一个名字叫“人工智能”。我们会经历它的春天、冬天、又一次春天、又一次冬天——人工智能的历史比大多数人想象的更曲折也更戏剧。然后我们停下来老老实实补一补数学。别怕这里没有让人头大的推导和跳步每一个概念都绑着你天天见的东西。比如外卖配送费怎么跟着距离变贵这就叫函数你在城市里找路向东走三格、向北走四格那就是向量。再往后车速表上跳动的数字是导数而蒙着眼睛下山时脚下最陡的那个方向就是梯度。数学补完之后我们进入机器学习的世界。看机器怎么从数据里“学”到东西——不是背答案而是真的找出规律。然后进入深度学习看多层神经元如何叠出惊人的能力。最后进入大语言模型的时代看Transformer、GPT、扩散模型这些当下最前沿的东西到底在干什么。最后一站我们会聊聊AI的边界和未来——它能做什么不能做什么以及我们该用什么样的心态面对它。整个系列大概三十多篇文章每一篇只讲一件事只引入一两个新概念。你不用急着消化也不用回头看——每一篇都会稳稳地站在前一篇的肩膀上。但我得提前跟你说清楚这个系列不做什么。读完这些文章你大概率还是不会写Python代码也算不出矩阵乘法更不知道训练模型时学习率该设成0.01还是0.001。因为那些都是“怎么做”的工程细节而我们这趟旅程只关心“为什么”。代码和复杂的数学推导在这里只是工具不是目的。你要做的是搞懂背后的道理而不是把自己逼成程序员。那读完这个系列之后你会变成什么样子你不会变成人工智能专家——三十多篇文章做不到那一步。但你会变成一个人工智能的“内行”你知道它在做什么知道它为什么能做得到知道它的局限在哪里知道那些新闻里吹得天花乱坠的东西哪些是真的、哪些是炒作。更重要的是你会拥有一个完整的知识框架。以后再遇到新的AI技术、新的名词你不需要从头学起——你只需要把新东西往你已经有的框架里一放就知道它大概在干什么。这就像你学会了认字之后再看到任何一本书你至少知道它是由什么组成的。你不一定读得懂每一本但你不再害怕翻开任何一本。最后一件事。关于怎么读这个系列。我觉得最好的读法还是顺着顺序来——因为后面的每一篇都默认你读过前面的。但你要是哪篇读着卡住了就合上屏幕歇两天没关系。有些概念得靠大脑在后台偷偷加工一夜才能消化你越急它越不合作。也用不着记笔记。每一篇里真正要紧的道理我会用不同的话翻来覆去地讲。你只要在读的时候让那些画面和比喻在脑子里留下个印子就行它们自己会串起来的。至于你担心自己“数学不好”或者“不是学这个的料”——大可不必。这趟旅程的设计前提只有一个你不需要提前会任何东西只需要带着好奇心来。就这么多。行那我们出发。第一站1950年英国曼彻斯特。一个叫艾伦·图灵的人正在写一篇注定改变世界的论文。参考文献Turing, A. M. (1950). Computing Machinery and Intelligence.Mind, LIX(236), 433–460.推荐理由人工智能领域被引用最频繁的论文之一。图灵在这篇文章里绕开了“什么是思考”这个哲学难题提出了一个可操作的定义——后来被称为“图灵测试”。文风出奇地平易近人适合在读完本篇后直接翻阅原文第一章“模仿游戏”。McCarthy, J., Minsky, M., Rochester, N., Shannon, C. E. (1955). A Proposal for the Dartmouth Summer Research Project on Artificial Intelligence.推荐理由这份提案正式引入了“人工智能”这个术语也划定了这个学科最初的边界。提案开篇那句“学习的每一个方面或智能的任何特征原则上都可以被精确地描述从而可以用机器来模拟”既是豪言壮语也是此后几十年所有争论的起点。